Risco de crédito de municípios brasileiros : uma abordagem utilizando métodos computacionais

Abstract

A crise de 2008, também conhecida como “Subprime”, afetou negativamente não só o sistema financeiro mundial, como também a economia produtiva dos países. Muitas corporações e empresas tiveram sua saúde financeira afetada, gerando uma onda voltada ao fortalecimento da gestão de riscos nas organizações, particularmente nas instituições financeiras. A crise também impactou fortemente os governos, central e local (municípios) que, de maneira geral, tiveram suas políticas fiscais influenciadas por altos níveis de dívida pública e de inadimplência. Esse fenômeno tem captado a atenção de pesquisadores e gestores de instituições públicas. O objetivo desta pesquisa é propor um modelo de decisão para classificar de forma massificada os municípios brasileiros quanto ao risco de crédito, observando as características dos entes públicos, tais como: nível de gestão pública, informações econômico-financeiras, características sociodemográficas e desenvolvimento social. O processo de desenvolvimento do modelo se baseou na norma ISO 31000 e no modelo de processo CRISP-DM, tido como o padrão em projetos de mineração de dados. Os resultados apresentados, mostraram que modelos desenvolvidos utilizando informações de dados abertos e métodos computacionais de machine learning (XGBoost) e métodos estatísticos tradicionais (Regressão Logística) são alternativas viáveis e com bons resultados, quanto à performance e à classificação e mensuração da probabilidade associada ao risco de crédito dos municípios. Apesar do grande avanço tecnológico e maior disponibilidade de informações nos últimos anos, este trabalho contribuiu para a redução do gap científico em relação a abordagens que utilizam esse tipo de técnica para o objetivo de estimar a inadimplência municipal.